【动态规划】 最长递增子序列

题目描述：

对于一个数字序列，请设计一个复杂度为O(nlogn)的算法，返回该序列的最长上升子序列的长度，这里的子序列定义为这样一个序列U1，U2...，其中Ui < Ui+1，且A[Ui] < A[Ui+1]。
给定一个数字序列A及序列的长度n，请返回最长上升子序列的长度。

输入用例：

[2,1,4,3,1,5,6],7

输出用例：

4

我的代码：

    第一种解法，时间复杂度是O(n^2)

/**
	 * 第一种解法，时间复杂度是n^2
	 * @param A 数组
	 * @param n 数组长度
	 * @return 最长递增子序列的长度
	 */
	public int findLongest(int[] A, int n) {
		//dp[i]的含义，以第i个下标结尾的子数组的最长递增子序列的长度
        int[] dp = new int[n];
        
        //以第一个元素为结尾的子数组的最长递增子序列的长度，因为此时子序列只有1个元素，所以就是1
        dp[0] = 1;
        int maxLength = dp[0];
        
        //外层循环，填充dp数组
        for(int i = 1;i<n;i++){
            int max = 0;
            //内层循环,从第i-1到0，去找在数组里比这个小的元素所对应的dp值，在所有的这些dp值里取最大值
            for(int j = i-1;j>=0;j--){
                if(A[j]<A[i])
                    max = Math.max(max, dp[j]);
            }
            dp[i] = max + 1;
            //maxLength记录dp数组的最大值，即最长公共子序列的长度
            maxLength = Math.max(maxLength, dp[i]);
        }
        return maxLength;
    }

    第二种解法，时间复杂度是O(nlogN)，原因是在构造dp数组的时候采用了二分查找的思想，需要辅助空间，以时间换空间

/**
	 * 第二种解法，时间复杂度是O(nlogN)，需要辅助空间
	 * @param A 数组
	 * @param n 数组长度
	 * @return 最长递增子序列的长度
	 */
	public int findLongest(int[] A, int n) {
        int[] dp = new int[n];
        dp[0] = 1;
        //辅助数组，存储的是所有长度为i+1的子序列的最后一个元素的最小值，i是下标
        int[] ends = new int[n];
        //指长度为1的子序列的最后一个元素的最小值，初始为原序列的第一个元素
        ends[0] = A[0];
        //右哨兵
        int right = 1;
         
        int maxLength = dp[0];
        for(int i = 1;i<n;i++){
            int start = 0;
            int end = right-1;
            //需要插入的目标下标
            int resultPos = right;
            //二分查找第一个大于等于自己的数，替代之，如果没找到（自己是最大的数），写在后边
            while(start <= end ){
                int mid = start + (end - start)/2;
                if(ends[mid]>=A[i]){
                    resultPos = mid;
                    end = mid - 1;
                }else
                    start = mid + 1;
            }
            //替代或者在后边添加
            ends[resultPos] = A[i];
            //如果是在后边添加，那么哨兵元素后移
            if(resultPos == right)
                right++;
            //dp[i]的值是插入点往左的所有的数的个数，算上自己
            dp[i] = resultPos + 1;
            maxLength = Math.max(maxLength, dp[i]);
        }
        return maxLength;
    }

这道题是面试经典题目，一定要熟练掌握！！